给仓库提前排货时，明天的需求还不知道。若只按一个预测数字安排，猜错就可能超出容量；若把所有可能情况都防住，又会把不少可用方案排除。Bao 等人提出 DISC，把保形预测——用校准数据提供有限样本统计保障的方法——直接接到下游优化器上，在真实标签尚未揭晓时划出一片高概率安全的可行域，也就是优化器可以挑选方案的范围。
常见做法先生成预测集合，即列出一组可信标签，再只保留对其中每个标签都安全的决策。问题在于，“真值落入预测集合”比真正需要的“留下的所有决策均可行”更严格。DISC 因而直接校准后一个事件：它准备一族逐级收紧的候选区域，对每条已知答案的校准样本，找出区域完整落入真实可行域所需的最小收紧程度，再用这些分数的经验分位数确定新样本的安全边界。
在数据可交换的条件下，作者证明该方法具有有限样本、无分布假设的包含保障；对论文研究的两类候选区域，DISC 得到的安全域包含相应基线给出的区域。作者还报告，它在连续和结构化决策实验中达到目标保障，同时留下更大的选择空间，但原文节选未提供具体增幅。